El profesorado de música y el uso del software libre

El trabajo que aquí se presenta se ha realizado con el objetivo de constatar la necesidad de formación en software libre por parte del profesorado. Este trabajo pretende averiguar el grado de utilización de las TIC por parte de los maestros de primaria de educación musical así como el nivel de conocimiento del software libre.

Las TIC y el profesorado de música de los centros de educación secundaria de la provincia de Castellón

Esta investigación se planteó con el fin de determinar el uso de las Tecnologías de la Información y la Comunicación (TIC) por parte del profesorado de Música de los centros Educación Secundaria de la provincia de Castellón y conocer la formación y la actitud de este profesorado con respecto al uso y las potencialidades de estas herramientas en el ámbito educativo. Los resultados revelaron que el 96,88% utilizan frecuentemente las TIC, el 87,5% tienen un nivel medio en cuanto al grado de formación y que tanto este como el uso de estas herramientas están relacionados con la integración de Internet en la dinámica del aula.

Avoiding staff removal stage in optical music recognition: application to scores written in white mensural notation

Staff detection and removal is one of the most important issues in optical music recognition (OMR) tasks since common approaches for symbol detection and classification are based on this process. Due to its complexity, staff detection and removal is often inaccurate, leading to a great number of errors in posterior stages. For this reason, a new approach that avoids this stage is proposed in this paper, which is expected to overcome these drawbacks. Our approach is put into practice in a case of study focused on scores written in white mensural notation. Symbol detection is performed by using the vertical projection of the staves. The cross-correlation operator for template matching is used at the classification stage. The goodness of our proposal is shown in an experiment in which our proposal attains an extraction rate of 96 % and a classification rate of 92 %, on average. The results found have reinforced the idea of pursuing a new research line in OMR systems without the need of the removal of staff lines.